12113 ورقة بحثية
تقدم هذه الورقة SmartDirector، وهو إطار عمل ثنائي المراحل يعزز توليد الفيديو السينمائي والتحكم في وتيرة السرد من خلال الاستفيد من إطارات رئيسية متعددة لدعم سيناريوهات مرنة مثل تركيب المشاهد المتعددة وتمديد الفيديو، متفوقاً بشكل ملحوظ على الأساليب الحالية الرائدة.
تقترح الورقة البحثية SIGMA، وهي طريقة فعالة في المعلمات وخفيفة الوزن للضبط الدقيق (Parameter-Efficient Fine-Tuning)، تعمل على جسر الفجوات الهيكلية والتوزيعية في نماذج الرؤية التأسيسية من خلال الدمج المتكيف مع المقياس والتعديل الدلالي، محققةً أداءً فائقاً في مهام التنبؤ الكثيف بنسبة 1.72% فقط من المعلمات القابلة للتدريب.
تقترح هذه الورقة البحثية FedDTL، وهو إطار عمل جديد للتعلم الاتحادي لنماذج الرؤية واللغة يعمل على فصل مشفرات الصور والنصوص لضمان تحديثات عالمية متماسكة، ويستخدم استراتيجية ضبط دقيق محلي مكونة من مرحلتين تجمع بين التعلم الخاضع للإشراف والتعلم المعزز لموازنة التكيف مع المهام العالمية والتعميم بفعالية في ظل توزيعات البيانات غير المتجانسة.
تقدم هذه الورقة دراسة تجريبية متعددة الأبعاد تُظهر أنه في حين أن آلات المتجهات الداعمة الكمومية (QSVM) والشبكات العصبية التلافيفية الكمومية (QCNN) تتسبب عموماً في أوقات تشغيل حسابية أعلى من نظيراتها الكلاسيكية، إلا أنها توفر دقة تصنيف فائقة عند المقاييس الأكبر وكفاءة محسنة بشكل كبير في المعلمات والذاكرة، لا سيالما بالنسبة للشبكات العصبية التلافيفية الكمومية (QCNN).
يُعد SIGMA إطار عمل مبتكر يقوم تلقائياً بتوليد أقنعة على مستوى البكسل لتحرير الصور المدفوع بالنصوص من خلال الجمع بين تمايز الميزات الدلالية والبوادئ المكانية المرتكزة على التعليمات، مما يفتح المجال أمام ملايين أزواج التحرير الموجودة لإنشاء مجموعة بيانات تدريبية واسعة النطاق تعزز بشكل كبير أداء نماذج تحديد المواقع لعمليات معالجة الصور.
تقترح هذه الورقة البحثية إطار عمل SIGN، وهو إطار دفاعي خفيف الوزن وفعال وقابل للتوصيل والتشغيل (plug-and-play)، يعمل على تحييد الاضطرابات العدائية في نماذج الرؤية واللغة الكبيرة من خلال الاستفادة من استخراج البنية المسبقة والتحييد الموجه الديناميكي، محققاً معدلات نجاح دفاعية عالية مع حد أدنى من تعديل الصور والأعباء الحسابية مع الحفاظ على أداء النموذج.
تقدم الورقة البحثية SEMAGIC، وهو إطار عمل يتعلم تمثيلات ثلاثية الأبعاد قابلة للتشوه ومتسقة دلاليًا من صور أحادية المنظور من الواقع الحر عبر ربط التشوه الهندسي بالمحاذاة الدلالية لإنشاء مراسلات مستقرة على مستوى الفئة، مما يتفوق بشكل كبير على الأساليب الحالية في الاختبارات المرجعية الدلالية.
تقدم الورقة البحثية ROVER، وهو ملحق خفيف الوزن وقابل للتعلم للنماذج اللغوية الكبيرة متعددة الوسائط، يعزز الاستدلال متعدد الصور القائم على التأسيس من خلال توجيه الأدلة البصرية المتمحورة حول الأشياء بكفاءة عبر آلية ثلاثية الرموز (token triplet) الخاصة بكل خطوة، محققاً أداءً هو الأفضل في فئته على اختبارات معيارية مثل MM-GCoT وVideoEspresso دون المساس بالفهم الشامل للمشهد.
تُثبت هذه الورقة أن وصفة تدريب مُصممة بعناية، وليس التعقيد المعماري، تسد بفعالية فجوة التعميم في تقسيم الصور في الظروف الجوية السيئة من خلال تحقيق معدل تقاطع (mIoU) مرتفع للاختبار يبلغ 59.9% مع حد أدنى من انخفاض الأداء بين التحقق والاختبار عبر استراتيجيات منهجية مثل الضبط الدقيق التكيفي مع النطاق، وخلط البيانات متعدد المصادر، والتعزيز الاصطناعي.
يُعد EATrack إطار عمل فعالاً لتتبع الطائرات بدون طيار غير المتماثل، حيث يستخدم استراتيجية تقطير ثنائية الفروع بتوجيه من المعلم، تجمع بين نقل المعرفة على مستوى الميزات المكانية ومستوى التنبؤ مع التقطير الدقيق المعتمد على الهدف والتكيف الزمني لتحقيق توازن فائق بين الدقة والسرعة في الوقت الفعلي على الاختبارات المعيارية المعقدة.